Objetivos

• Análise Exploratória de Dados (Exploratory Data Analysis (EDA))

  • Análise Exploratória de Dados: Visão Geral
  • Análise Exploratória Numérica
  • Análise Exploratória Gráfica

Análise Exploratória de Dados: Visão Geral

• Visualize: R for Data Science, 2 ed.

– Wickham & Grolemund, Visualize

Import: importar/inserir seus dados no R.

Tidy: Armazenar seus dados em um formato consistente.

Transform: – criando novas variáveis a partir das já existentes e sumarizar informações.

Visualize: Representar visualmente seus dados.

Esta parte do livro mostra como usar a visualização e a transformação para explorar dados de maneira sistemática.

• Exploratory Data Analysis (EDA)

EDA é um ciclo iterativo no qual:

- Geramos perguntas sobre os dados.

- Procuramos por respostas visualizando, transformando e modelando os 
  dados.

- Usamos o que aprendemos para refinar as perguntas e/ou gerar novas      
  perguntas.

- A EDA não é um processo formal com um conjunto estrito de regras.

- Durante as fases iniciais da EDA, devemos nos sentir livres para 
  investigar quaisquer ideias que surjam.

- Algumas ideias irão gerar frutos, outras serão descartadas.

- Na medida em que a exploração continua, devemos nos focar em algumas 
  questões e áreas mais relevantes e produtivas.

• Sumário:

A EDA é uma parte importante de qualquer análise de dados:

• Para entender as propriedades dos dados
• Para estruturar os dados no formato adequado para análise
• Para encontrar padrões nos dados
• Para descrever os dados/fenômeno
• Para identificar erros nos dados
• Para sugerir estratégias de modelagem
• Para depurar análises
• Para comunicar resultados

Variabilidade/Variação

• Variação é a tendência dos valores de uma variável aleatória de mudar o valor assumido de realização para realização.

• Variáveis categóricas também são aleatórias e podem variar se “medirmos” seus diferentes níveis.

• Cada variável aleatória tem seu próprio padrão de variação, que pode revelar informações importantes e interessantes.

• A melhor maneira de entender um padrão é visualizar a distribuição dos valores da variável.

Dois tipos de perguntas sobre os dados sempre úteis para fazer descobertas:

1. Que tipo de variação ocorre dentro das variáveis?

2. Que tipo de covariação ocorre entre as variáveis?

O restante desta aula foca-se nestas duas perguntas.

Análise Exploratória Numérica

Parte 1: Arquivos de dados:

Retornos da carteira:

dplyr::glimpse(carteira)

## Rows: 3,529
## Columns: 3
## $ VALE     <dbl> NA, 0.0172102476, 0.0824816167, -0.0221424526, -0.0582752221,…
## $ WEGE3.SA <dbl> NA, 0.028168914, 0.004931529, -0.018538688, -0.002777568, -0.…
## $ PETR4.SA <dbl> NA, -0.001435125, 0.048850959, -0.016438432, -0.038718922, -0…

Estrutura do objeto:

## [1] "tbl_df"     "tbl"        "data.frame"

Amostra de dados do projeto Gestão de Risco nos Institutos Federais:

dplyr::glimpse(risco)

## Rows: 21
## Columns: 8
## $ q1_1 <chr> "41-50 anos", "41-50 anos", "31-40 anos", "31-40 anos", "31-40 an…
## $ q1_2 <chr> "Feminino", "Masculino", "Masculino", "Feminino", "Masculino", "F…
## $ q1_3 <chr> "Técnico Administrativo", "Técnico Administrativo", "Técnico Admi…
## $ q1_4 <chr> "Diretoria Executiva de Desenvolvimento Insttucional", "Coordenad…
## $ q1_5 <chr> "Mestrado", "Mestrado", "Mestrado", "Especialização", "Mestrado",…
## $ q1_6 <chr> "11-15 anos", "6-10 anos", "6-10 anos", "6-10 anos", "6-10 anos",…
## $ q1_7 <chr> "Até 5 anos", "6-10 anos", "Até 5 anos", "6-10 anos", "6-10 anos"…
## $ q1_8 <chr> "Sim", "Não", "Sim", "Sim", "Sim", NA, "Sim", "Sim", "Não", "Sim"…

Estrutura do objeto:

class(risco)

## [1] "tbl_df"     "tbl"        "data.frame"

Parte 2: Estatísticas Descritivas em R

1. Função summary()

Retornos da carteira:

summary(carteira)

##       VALE             WEGE3.SA           PETR4.SA       
##  Min.   :-0.23803   Min.   :-0.20620   Min.   :-0.29698  
##  1st Qu.:-0.01634   1st Qu.:-0.01031   1st Qu.:-0.01438  
##  Median : 0.00044   Median : 0.00045   Median : 0.00000  
##  Mean   : 0.00062   Mean   : 0.00108   Mean   : 0.00058  
##  3rd Qu.: 0.01650   3rd Qu.: 0.01206   3rd Qu.: 0.01454  
##  Max.   : 0.28441   Max.   : 0.13894   Max.   : 0.22222  
##  NA's   :84         NA's   :135        NA's   :135

Gestão de Risco - Questionário:

summary(risco)

##      q1_1               q1_2               q1_3               q1_4          
##  Length:21          Length:21          Length:21          Length:21         
##  Class :character   Class :character   Class :character   Class :character  
##  Mode  :character   Mode  :character   Mode  :character   Mode  :character  
##      q1_5               q1_6               q1_7               q1_8          
##  Length:21          Length:21          Length:21          Length:21         
##  Class :character   Class :character   Class :character   Class :character  
##  Mode  :character   Mode  :character   Mode  :character   Mode  :character

2. Função skimr::skim()

Retornos da carteira:

skimr::skim(carteira)

Variable type: numeric

Gestão de Risco - Questionário:

skimr::skim(risco)

Variable type: character

Parte 3: Preparando os dados para análise

• Retornos da carteira: retirando dados faltantes

carteira_analise <- na.omit(carteira)
summary(carteira_analise)

##       VALE               WEGE3.SA             PETR4.SA         
##  Min.   :-0.2380303   Min.   :-0.2061975   Min.   :-0.2969777  
##  1st Qu.:-0.0161553   1st Qu.:-0.0102900   1st Qu.:-0.0145569  
##  Median : 0.0003861   Median : 0.0005578   Median : 0.0000000  
##  Mean   : 0.0007789   Mean   : 0.0011484   Mean   : 0.0006453  
##  3rd Qu.: 0.0166091   3rd Qu.: 0.0122094   3rd Qu.: 0.0147556  
##  Max.   : 0.2844115   Max.   : 0.1389445   Max.   : 0.2222221

Criando uma estrutura de dados longer

carteira_analise_longer <- carteira_analise %>% 
      tidyr::pivot_longer(cols = c('VALE', 'WEGE3.SA', 'PETR4.SA'), 
                          names_to = "acoes", 
                          values_to = "retornos")

head(carteira_analise_longer)

## # A tibble: 6 × 2
##   acoes    retornos
##   <chr>       <dbl>
## 1 VALE      0.0172 
## 2 WEGE3.SA  0.0282 
## 3 PETR4.SA -0.00144
## 4 VALE      0.0825 
## 5 WEGE3.SA  0.00493
## 6 PETR4.SA  0.0489

• Risco: Definindo classes apropriadas para as questões:

risco_analise <- risco %>%
  transmute(
    q1_1 = factor(
      q1_1,
      levels = c(
        "20-30 anos",
        "31-40 anos",
        "41-50 anos",
        "51-60 anos",
        "Mais de 60 anos"
      ),
      ordered = TRUE
    ),
    q1_2 = factor(q1_2),
    q1_3 = factor(q1_3),
    q1_4 = factor(q1_4),
    q1_5 = factor(
      q1_5,
      levels =  c(
        "Ensino fundamental",
        "Ensino médio",
        "Ensino superior",
        "Especialização",
        "Mestrado",
        "Doutorado"
      ),
      ordered = TRUE
    ),
    q1_6 = factor(
      q1_6,
      levels = c(
        "Até 5 anos",
        "6-10 anos",
        "11-15 anos",
        "16-20 anos",
        "Mais de 20 anos"
      ),
      ordered = TRUE
    ),
    q1_7 = factor(
      q1_7,
      levels = c(
        "Até 5 anos",
        "6-10 anos",
        "11-15 anos",
        "16-20 anos",
        "Mais de 20 anos"
      ),
      ordered = TRUE
    ),
    q1_8 = factor(q1_8)
  )

Verificando o novo objeto `risco_analise``:

skimr::skim(risco_analise)

Variable type: factor

Parte 4: Estatísticas Descritivas

• Retornos da carteira: dados numéricos

fBasics::basicStats(carteira_analise)

##                    VALE    WEGE3.SA    PETR4.SA
## nobs        3311.000000 3311.000000 3311.000000
## NAs            0.000000    0.000000    0.000000
## Minimum       -0.238030   -0.206198   -0.296978
## Maximum        0.284411    0.138944    0.222222
## 1. Quartile   -0.016155   -0.010290   -0.014557
## 3. Quartile    0.016609    0.012209    0.014756
## Mean           0.000779    0.001148    0.000645
## Median         0.000386    0.000558    0.000000
## Sum            2.578996    3.802362    2.136589
## SE Mean        0.000564    0.000375    0.000520
## LCL Mean      -0.000327    0.000413   -0.000374
## UCL Mean       0.001885    0.001884    0.001664
## Variance       0.001054    0.000465    0.000894
## Stdev          0.032468    0.021574    0.029902
## Skewness       0.283139   -0.317256   -0.266338
## Kurtosis       6.665432    6.956479    8.008591

• Gestão de Risco: dados categóricos

summary(risco_analise)

##               q1_1           q1_2                        q1_3   
##  20-30 anos     : 0   Feminino : 9   Docente               : 1  
##  31-40 anos     :12   Masculino:12   Técnico Administrativo:20  
##  41-50 anos     : 7                                             
##  51-60 anos     : 2                                             
##  Mais de 60 anos: 0                                             
##                                                                 
##                                                                 
##                                                                                       q1_4   
##  Diretora de Desenvolvimento Institucional                                              : 2  
##  Administrador                                                                          : 1  
##  Administrador, Diretor de Desenvolvimento Institucional                                : 1  
##  Assistente em Administração | Ouvidora | Presidente da Unidade de Gestão da Integridade: 1  
##  auditor                                                                                : 1  
##  (Other)                                                                                :13  
##  NA's                                                                                   : 2  
##                  q1_5                 q1_6                q1_7      q1_8   
##  Ensino fundamental: 0   Até 5 anos     :0   Até 5 anos     :13   Não : 3  
##  Ensino médio      : 0   6-10 anos      :9   6-10 anos      : 6   Sim :17  
##  Ensino superior   : 0   11-15 anos     :9   11-15 anos     : 1   NA's: 1  
##  Especialização    : 7   16-20 anos     :2   16-20 anos     : 0            
##  Mestrado          :14   Mais de 20 anos:1   Mais de 20 anos: 1            
##  Doutorado         : 0                                                     
## 

• Cotacoes

##       item        ano                  pe             ve          
##  Min.   :   1   2018:1601   eletrico    :1140   Min.   :     0.0  
##  1st Qu.:1398   2019:1591   Bens imoveis:1093   1st Qu.:     8.9  
##  Median :2796   2020:2398   expediente  : 543   Median :    28.3  
##  Mean   :2796               laboratorial: 535   Mean   :  1340.3  
##  3rd Qu.:4193               medicao     : 451   3rd Qu.:   105.2  
##  Max.   :5591               Esportivo   : 413   Max.   :428390.0  
##                             (Other)     :1415                     
##        vh              percent             x3c              x2c         
##  Min.   :     0.0   Min.   :-1.0000   Min.   :0.0000   Min.   :0.00000  
##  1st Qu.:     0.6   1st Qu.:-0.7500   1st Qu.:1.0000   1st Qu.:0.00000  
##  Median :     9.6   Median :-0.3750   Median :1.0000   Median :0.00000  
##  Mean   :   701.5   Mean   :-0.4262   Mean   :0.9562   Mean   :0.04526  
##  3rd Qu.:    41.1   3rd Qu.:-0.0600   3rd Qu.:1.0000   3rd Qu.:0.00000  
##  Max.   :378000.0   Max.   :16.0700   Max.   :1.0000   Max.   :1.00000  
##                                                                         
##        it               cb               fn              pa         
##  Min.   :0.0000   Min.   :0.0000   Min.   :0.000   Min.   :0.00000  
##  1st Qu.:0.0000   1st Qu.:0.0000   1st Qu.:0.000   1st Qu.:0.00000  
##  Median :1.0000   Median :0.0000   Median :0.000   Median :0.00000  
##  Mean   :0.5379   Mean   :0.1546   Mean   :0.237   Mean   :0.05564  
##  3rd Qu.:1.0000   3rd Qu.:0.0000   3rd Qu.:0.000   3rd Qu.:0.00000  
##  Max.   :1.0000   Max.   :1.0000   Max.   :1.000   Max.   :1.00000  
##                                                                     
##        cc               ds                pt              inst      
##  Min.   :0.0000   Min.   :0.00000   Min.   : 0.000   Min.   :0.000  
##  1st Qu.:0.0000   1st Qu.:0.00000   1st Qu.: 2.000   1st Qu.:0.000  
##  Median :0.0000   Median :0.00000   Median : 4.000   Median :0.000  
##  Mean   :0.1474   Mean   :0.06547   Mean   : 4.687   Mean   :0.471  
##  3rd Qu.:0.0000   3rd Qu.:0.00000   3rd Qu.: 6.000   3rd Qu.:1.000  
##  Max.   :1.0000   Max.   :1.00000   Max.   :30.000   Max.   :1.000  
##                                                                     
##        re               lc        
##  Min.   :0.0000   Min.   :0.0000  
##  1st Qu.:0.0000   1st Qu.:0.0000  
##  Median :0.0000   Median :0.0000  
##  Mean   :0.2612   Mean   :0.2669  
##  3rd Qu.:1.0000   3rd Qu.:1.0000  
##  Max.   :1.0000   Max.   :1.0000  
## 

Funções R:

• Medidas de Posição

media amostral

## [1] 0.0005773374

mediana amostral

## [1] 0

minimo, quartis e maximo amostrais

##          0%         25%         50%         75%        100% 
## -0.29697774 -0.01438195  0.00000000  0.01453912  0.22222214

percentis especificos: \(p_{32}\), \(p_{57}\) e \(p_{98}\)

##          32%          57%          98% 
## -0.009350287  0.003712789  0.067080166

minimo entre os elementos de um vetor

## [1] -0.2969777

máximo dos elementos do vetor

## [1] 0.2222221

• Medidas de Variabilidade

variância amostral

## [1] 0.0008882345

desvio-padrão amostral

## [1] 0.02980326

desvio-absoluto mediano amostral

## [1] 0.02150178

intervalo interquartil amostral

## [1] 0.02892107

• Gestão de Risco: dados categóricos

Tabelas de Frequência: Função tabyl() do pacote janitor

tab1 <- risco_analise |> tabyl(q1_1)
tab1

##             q1_1  n   percent
##       20-30 anos  0 0.0000000
##       31-40 anos 12 0.5714286
##       41-50 anos  7 0.3333333
##       51-60 anos  2 0.0952381
##  Mais de 60 anos  0 0.0000000

tab2 <- risco_analise |> tabyl(q1_2)
tab2

##       q1_2  n   percent
##   Feminino  9 0.4285714
##  Masculino 12 0.5714286

tab3 <- risco_analise |> tabyl(q1_3)
tab3

##                    q1_3  n    percent
##                 Docente  1 0.04761905
##  Técnico Administrativo 20 0.95238095

Customizando as tabelas:

tab4 <- risco_analise |> tabyl(q1_1) |> 
   adorn_totals(c("row")) |>
  adorn_pct_formatting(rounding = "half up", digits = 0) |>
  knitr::kable()
       
tab4

tab5 <- risco_analise |> tabyl(q1_2) |> 
   adorn_totals(c("row")) |>
   adorn_pct_formatting(rounding = "half up", digits = 0) |>
   knitr::kable()

tab5

tab5 <- risco_analise |> tabyl(q1_3) |> 
  adorn_totals(c("row")) |>
  adorn_pct_formatting(rounding = "half up", digits = 0) |>
  knitr::kable()

tab5

Tabulação cruzada:

tab6 <- risco_analise |> tabyl(q1_2, q1_3)

tab6

##       q1_2 Docente Técnico Administrativo
##   Feminino       0                      9
##  Masculino       1                     11

Customizando a tabela:

tab7 <- risco_analise |> tabyl(q1_2, q1_3) |>
  adorn_percentages("row") |>
  adorn_pct_formatting(digits = 2) |>
  adorn_ns() |>
  knitr::kable()

tab7

tab8 <- risco_analise |> 
        tabyl(q1_1, q1_2, q1_3)

tab8

## $Docente
##             q1_1 Feminino Masculino
##       20-30 anos        0         0
##       31-40 anos        0         0
##       41-50 anos        0         1
##       51-60 anos        0         0
##  Mais de 60 anos        0         0
## 
## $`Técnico Administrativo`
##             q1_1 Feminino Masculino
##       20-30 anos        0         0
##       31-40 anos        5         7
##       41-50 anos        2         4
##       51-60 anos        2         0
##  Mais de 60 anos        0         0

Tabelas para Publicação Usando os pacotes gtsummary e flextable

Tabela: Variáveis Categóricas

# Pacote utilizado
library(gtsummary)
library(flextable)

tabgt01 <-cotacoes %>%  
  select(-c(item, ve, vh, percent, pt)) %>% 
  tbl_summary(
    by = ano,
    statistic = list(
      all_categorical() ~ "{n} ({p}%)"
    ),
    label = list(pe ~ "Grupo Licitado", 
                 it ~ "Pesquisa de Preços (internet)",
                 cb ~ "Pesquisa de Preços (combinada)",
                 fn ~ "Pesquisa de Preços (fornecedores)",
                 pa ~ "Pesquisa de Preços (painel)"
                 ),
    digits = all_continuous() ~ 2
  ) %>%
  modify_header(label ~ "**Variável**") %>%
  modify_caption("TABELA 1. Estatísticas Descritivas: Variáveis Categóricas.") %>%
  modify_footnote(all_stat_cols() ~ " N = total de observações do ano. n = (total de observações da variável categórica/nível) (%) = porcentagem do total de observações do ano")

tabgt01

as_gt(tabgt01) %>% 
     gt::gtsave(filename = "tabs/tabgt01.rtf")

Tabela: Variáveis Numéricas

tabgt02 <- cotacoes %>% select(c(ano, ve, vh, percent, pt)) %>%
  tbl_summary(
    by = ano,
    statistic = list(
      all_continuous() ~ c("({median}, {mean}) ({p25}, {p75}), ({min}, {max}) ({IQR}, {sd})")
    ),
    label = list( 
      ve ~ "Valor Estimado",
      vh ~ "Valor Homologado",
      percent ~ "Variação (%)", 
      pt ~ "Total de Fornecedores Participantes"),
    digits = all_continuous() ~ 2
  ) %>%
  modify_header(label ~ "**Variável**") %>%
  modify_caption("TABELA 2. Estatísticas Descritivas: Variáveis Numéricas.") %>%
  modify_footnote(all_stat_cols() ~ "(média, mediana) (p25, p75) (mín., máx.) (IIQ, desvio_padrão)"
  )

tabgt02

as_gt(tabgt02) %>% 
     gt::gtsave(filename = "tabs/tabgt02.rtf")

Análise Exploratória Gráfica

Análise Exploratória Gráfica: Visualizando distribuições

Características observáveis na distribuição de variáveis numéricas

• Simetria/Assimetria: A distribuição é simétrica: assimétrica a esquerda ou a direita?.

• Outliers: Há um ou mais valores muito distantes da maioria dos dados?

• Multimodalidade: A distribuição possui dois ou mais picos/clusters?

• Gaps: Há intervalos de valores que não contém dados?

• Erros: Há valores fora do intervalo factível?

Por que visualizar a distribuição dos dados?

• Para encontrar um modelo probabilístico para o fenômeno aleatório em questão.

Visualizando distribuições: Histograma

h1 <- ggplot(carteira, aes(x = VALE)) + geom_histogram()
h1

Customizando um Histograma

h1c <- ggplot(carteira, aes(x = VALE)) +
  geom_histogram() +
  labs(x = "Retornos",
       y = "Frequência",
       title = "Vale: Retornos das Ações") + 
  xlim(-0.3, 0.3) + 
  theme_minimal()
h1c

Histograma

h2 <- ggplot(carteira, aes(x = PETR4.SA)) + geom_histogram() 
h2

Customizando:

h2c <- ggplot(carteira, aes(x = PETR4.SA)) +
  geom_histogram() +
  labs(x = "Retornos",
       y = "Frequência",
       title = "Petrobrás: Retornos das Ações") + 
  xlim(-0.3, 0.3) + 
  theme_minimal()
h2c

h3 <- ggplot(carteira, aes(x = WEGE3.SA)) + geom_histogram()
h3

Customizando

h3c <- ggplot(carteira, aes(x = WEGE3.SA)) +
  geom_histogram() +
  labs(x = "Retornos",
       y = "Frequência",
       title = "WEG: Retornos das Ações") + 
  xlim(-0.3, 0.3) + 
  theme_minimal()
h3c

• Histograma: Múltiplos gráficos em um painel

library(patchwork)
painel01 <- h1c / h2c / h3c
painel01

• Histograma: Múltiplos gráficos em um painel

library(patchwork)
painel01 <- (h1c + h2c + h3c) + plot_layout(nrow = 2)
painel01

Densidade Empírica

d1 <- ggplot(carteira, aes(x = VALE)) + geom_density()
d1

Customizando

d1c <- ggplot(carteira, aes(x = VALE)) +
  geom_density() +
  labs(x = "Retornos",
       y = "Densidade",
       title = "Vale: Retornos das Ações") +
  xlim(-0.3, 0.3) + 
  theme_minimal()

d1c

Densidade Empírica

d2 <- ggplot(carteira, aes(x = PETR4.SA)) + geom_density()
d2

Customizando

d2c <- ggplot(carteira, aes(x = PETR4.SA)) +
  geom_density() +
  labs(x = "Retornos",
       y = "Densidade",
       title = "Petrobrás: Retornos das Ações") + 
  xlim(-0.3, 0.3) + 
  theme_minimal()

d2c

Densidade Empírica

d3 <- ggplot(carteira, aes(x = WEGE3.SA)) + geom_density()
d3

Customizando

d3c <- ggplot(carteira, aes(x = WEGE3.SA)) +
  geom_density() +
  labs(x = "Retornos",
       y = "Densidade",
       title = "WEG: Retornos das Ações") +
  xlim(-0.3, 0.3) + 
  theme_minimal()
d3c

Densidade Empírica: Múltiplos gráficos em um painel

library(patchwork)
painel02 <- d1c / d2c / d3c
painel02

Densidade Empírica: Múltiplos gráficos em um painel

painel02 <- (d1c + d2c + d3c) + plot_layout(nrow = 2)
painel02

Histograma com Densidade Empírica

h1_d <- ggplot(carteira, aes(x = VALE)) + 
            geom_histogram(aes(y = ..density..)) +
            geom_density(col = "blue", size = 1.5) + 
            theme_minimal()
h1_d

Visualizando distribuições: Boxplot

Boxplot

b1 <- ggplot(carteira, aes(x = VALE)) + geom_boxplot()
b1

Boxplot: coord_flip() inverte a orientação

b1_inv <- ggplot(carteira, aes(x = VALE)) + geom_boxplot() + coord_flip()
b1_inv

Customizando

b1c <- ggplot(carteira, aes(x = VALE)) +
        geom_boxplot() +
        labs(x = "Retornos",
             y = NULL,
             title = "Vale: Retornos das Ações") +
        xlim(-0.3, 0.3) + 
       theme_minimal()

b1c

Boxplot

b2 <- ggplot(carteira, aes(x = PETR4.SA)) + geom_boxplot()
b2

Customizando

b2c <- ggplot(carteira, aes(x = PETR4.SA)) +
        geom_boxplot() +
        labs(x = "Retornos",
             y = NULL,
             title = "Petrobrás: Retornos das Ações") + 
       xlim(-0.3, 0.3) + 
       theme_minimal()
b2c

Boxplot

b3 <- ggplot(carteira, aes(x = WEGE3.SA)) + geom_boxplot()
b3

Customizando

b3c <- ggplot(carteira, aes(x = WEGE3.SA)) +
       geom_boxplot() +
       labs(x = "Retornos",
            y = NULL,
            title = "WEG: Retornos das Ações") +
       xlim(-0.3, 0.3) + 
       theme_minimal()

b3c

Boxplot: Múltiplos gráficos em um painel

library(patchwork)
painel03 <- b1c / b2c / b3c
painel03

Visualizando distribuições: Gráfico de Barras

Continuando com a usar o sistema de visualização do pacote ggplot2

ggplot(risco_analise, aes(x = q1_1)) + 
  geom_bar() +
  labs(title="Gráfico de Barra Simples",                 
       x="Idade",                          
       y="Frequência (n)") 

Invertendo os eixos usando coord_flip():

ggplot(risco_analise, aes(x = q1_1)) + 
  geom_bar() +
  labs(x="Idade",                          
       y="Frequência (n)") + 
  coord_flip() + 
  theme_minimal()

reordenando os níveis do fator idade:

ggplot(risco_analise, aes(x = fct_rev(q1_1))) + 
  geom_bar() +
  labs(x="Idade",                          
       y="Frequência (n)") + 
  coord_flip() + 
  theme_minimal()

Diferenciando as categorias com cores:

ggplot(risco_analise, aes(x = fct_rev(q1_1), fill = q1_1)) + 
  geom_bar() +
  labs(x= "Idade",                          
       y = "Frequência (n)") + 
  coord_flip() + 
  theme_minimal()

Anotando as barras: porcentagens

risco_anot <- risco_analise |>
  group_by(q1_1) |>
  summarize(n = n()) |>
  mutate(
         pct = n / sum(n),
         lbls = scales::percent(pct)
        )


ggplot(risco_anot, aes(x = q1_1, y = pct, fill = q1_1)) +
  geom_bar(stat = "identity", fill = "steelblue") +
  geom_text(aes(label = lbls),
            vjust = -0.5,
            size = 3) + 
  labs(x = "Idade",
       y = "Frequência (n)") +
  theme_minimal()

Anotando as barras: totais

risco_anot2 <- risco_analise |>
  group_by(q1_1) |>
  summarize(n = n()) |>
  mutate(
         total = n,
         lbls = scales::number(total)
        )


ggplot(risco_anot2, aes(x = q1_1, y = total, fill = q1_1)) +
  geom_bar(stat = "identity", fill = "steelblue") +
  geom_text(aes(label = lbls),
            vjust = -0.5,
            size = 3) + 
  labs(x = "Idade",
       y = "Frequência (n)") +
  theme_minimal()

Covariação entre Variáveis Numéricas

Gráficos de Dispersão:

Covariação: Dispersão e \(r_{xy}\)

• verbete na wikipedia

• Covariação: Quarteto de Ascombe

• Analise o verbete na wikipedia

Covariação: Gráfico de Dispersão

ggplot(data = carteira) +
  geom_point(mapping = aes(x = VALE, y = PETR4.SA))

Covariação: Gráfico de Dispersão

ggplot(data = carteira) +
  geom_bin2d(mapping = aes(x = VALE, y = PETR4.SA))

Covariação: Gráfico de Dispersão

ggplot(data = carteira) +
  geom_point(mapping = aes(x = VALE, y = PETR4.SA)) +
  geom_smooth(mapping = aes(x = VALE, y = PETR4.SA), method = "lm", se = FALSE)

Covariação: Gráfico de Dispersão

ggplot(data = carteira) +
  geom_point(mapping = aes(x = WEGE3.SA, y = PETR4.SA))

Covariação: Gráfico de Dispersão

ggplot(data = carteira) +
  geom_bin2d(mapping = aes(x = WEGE3.SA, y = PETR4.SA))

Covariação: Gráfico de Dispersão

ggplot(data = carteira) +
  geom_point(mapping = aes(x = WEGE3.SA, y = PETR4.SA)) +
  geom_smooth(mapping = aes(x = WEGE3.SA, y = PETR4.SA), method = "lm", se = FALSE)

Covariação: Gráfico de Dispersão

ggplot(data = carteira) +
  geom_point(mapping = aes(x = WEGE3.SA, y = VALE))

Covariação: Gráfico de Dispersão

ggplot(data = carteira) +
  geom_bin2d(mapping = aes(x = WEGE3.SA, y = VALE))

Covariação: Gráfico de Dispersão

ggplot(data = carteira) +
  geom_point(mapping = aes(x = WEGE3.SA, y = VALE)) +
  geom_smooth(mapping = aes(x = WEGE3.SA, y = VALE), method = "lm", se = FALSE)

Tudo ao Mesmo Tempo

library(PerformanceAnalytics)
chart.Correlation(carteira, histogram = TRUE)

Gráficos de Linha para Séries Temporais

Características observáveis em gráficos de séries temporais:

• Tendência: É o crescimento ou decrescimento de longo prazo observado nos dados.

• Sazonalidade: Um padrão sazonal ocorre quando uma série temporal é afetada por fatores sazonais, como a época do ano ou o dia da semana.

• Ciclos: Um ciclo ocorre se observamos crescimentos e decrescimento nos dados não apresentam um período fixo.

Sistema Gerenciador de Séries do Banco Central do Brasil

• Todo pesquisador de finanças e economia deve conhecer o Sistema Gerenciador de Séries Temporais do Banco Central do Brasil.

• Pacotes R que se comunicam com a API do Banco Central:

  • GetBCBData
  • BETS

library(GetBCBData)
library(ggplot2)

# define ids
id.series <- c(utilizacao_capacidade_instalada = 1344)
first.date = '2010-01-01'

# obtem serie do bcb
df_uci <- gbcbd_get_series(id = id.series,
                            first.date = first.date,
                            last.date = Sys.Date(), 
                            use.memoise = FALSE)

# grafico de linha via ggplot2
ggplot(data = df_uci, aes(x = ref.date, y = value)) + 
  geom_line(color = "blue") + 
  labs(x = 'Trimestre', y = 'Utilização da Capacidade Instalada (%)', 
       title  = 'Utilização da capacidade instalada - Geral (FGV)',
       subtitle = "Periodicidade: Trimestral",
       caption = "Fonte: Elaborado pelo Autor com dados da FGV") 

Gráfico de Linha para Séries Temporais